CX05：Context Compression and Summarization

它解决什么问题

长任务轨迹不断增长，成本上升且早期约束可能被挤出。Compression 将历史转成可继续工作的紧凑状态。

核心定义

Compression 是有损或无损缩减；Summarization 是语义压缩。可靠摘要应分离事实、决策、约束、未解决项和 Artifact 引用。

工作原理

固定保留目标和安全约束，按阶段将旧轨迹压缩，记录覆盖范围与原始引用，并对关键字段做确定性校验。

架构视图

Architecture View
Long trace -> structured compactor -> summary + references -> next context

Product View
User data -> scope/consent -> task context -> result with sources
                | revoke        | correct / inspect

最小可运行实践

运行 examples/context/context_architecture.py 的 compression 场景，比较全量历史、选择、摘要、Context Packet 与隔离上下文，并检查来源与访问标签。

正常场景

研究完成一个阶段后，仅保留结论、证据 ID、失败查询与后续问题。

失败与恢复场景

摘要把“不得发布”压成“准备发布”时，固定约束校验发现冲突并拒绝替换。

什么时候使用

长对话、长任务和多轮工具轨迹接近预算时使用。

什么时候不要使用

法律文本、数值和权限不能只保留自由摘要；必须保留原文引用。

Trade-offs

显著省 Token，却引入语义漂移；频繁压缩也会增加调用。

产品视角

用户与业务问题

使长任务保持连贯且响应不随历史无限变慢。

产品价值

延长任务跨度并稳定成本。

用户体验

用户应知道系统使用了哪些来源、个人数据和时间范围，并能纠正、排除或撤回；内部 Token 管理不应转嫁给用户。

自主性边界

Agent 可在授权范围内选择相关内容，扩大数据源、跨角色共享或外发数据必须受策略和确认控制。

数据与权限

Context 构建执行最小化、目的限制、来源标记和访问检查；保存数据不等于允许所有组件查看。

失败与降级

来源缺失时请求补充；超窗时优先保留目标、约束和证据；压缩不可信时返回缺口或回退原文校验。

产品指标

观察任务成功率、来源命中率、上下文利用率、遗漏关键约束率、数据越界事件、纠正率与 Token 成本。

框架中的对应实现

Context API、图状态和 Agent handoff 都只是载体；关键是选择策略、Packet 契约、隔离与来源边界能够独立测试。

Progress Ledger、Memory、Provenance。

检查清单

每次模型调用为什么能看到这些信息？
来源、时间和权限是否保留？
摘要能否追溯原文？
不同 Agent 是否默认隔离？
用户能否排除和纠正数据？

延伸练习与参考资料

对包含否定约束的轨迹压缩，并验证固定字段不变。